心臟聽診是先天性心臟病（簡稱：先心病，CHD）初診和篩查的主要手段。本文對先心病心音信號進行分析和分類識別研究，提出了一種基于卷積神經網絡的先心病分類算法。本文算法基于臨床采集的已確診先心病心音信號，首先采用心音信號預處理算法提取并組織一維時間域上心音信號的梅爾系數轉變成二維特征樣本。其次，以 1 000 個特征樣本用于訓練和優化卷積神經網絡，使用自適應矩估計（Adam）優化器，獲得了準確率 0.896、損失值 0.25 的訓練結果。最后，用卷積神經網絡對 200 個心音信號樣本進行測試，實驗結果表明準確率達 0.895，靈敏度為 0.910，特異度為 0.880。同其它算法相比，本文算法在準確率和特異度上有明顯提高，證實了本文方法有效地提高了心音信號分類的魯棒性和準確性，有望應用于機器輔助聽診。